Question

我想使用xml.etree.ElementTree在Python 3中解析XHTML文档。该文档包含 个实体，因此我无法使用默认的解析器设置。我想做类似的事情：

with urllib.request.urlopen(BASE_URL) as url:
        body = url.read()
        parser = ET.XMLParser()
        parser.parser.UseForeignDTD(True)
        parser.entity.update(entitydefs)
        etree = ET.ElementTree()
        root = etree.fromstring(body)

但fromstring是ElementTree中的免费功能。如何实现与ElementTree实例类似的东西？

Answer 1

提供解析器：

with urllib.request.urlopen(BASE_URL) as url:
    body = url.read()
    parser = ET.XMLParser()
    parser.parser.UseForeignDTD(True)
    parser.entity.update(entitydefs)
    parser.feed(body)
    root = parser.close()   # this returns you the tree

Answer 2

我遇到了同样的问题。问题和所选答案中的示例代码可能之前有效，但是现在它在我的Python 3.3和Python 3.4环境中不起作用。

我终于开始工作了。引自此Q&A。

受this post的启发，我们可以在输入的原始HTML内容中添加一些XML定义，然后ElementTree可以开箱即用。

这适用于Python 2.6,2.7,3.3,3.4。

import xml.etree.ElementTree as ET

html = '''<html>
    <div>Some reasonably well-formed HTML content.</div>
    <form action="login">
    <input name="foo" value="bar"/>
    <input name="username"/><input name="password"/>

    <div>It is not unusual to see &nbsp; in an HTML page.</div>

    </form></html>'''

magic = '''<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN"
            "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd" [
            <!ENTITY nbsp ' '>
            ]>'''  # You can define more entities here, if needed

et = ET.fromstring(magic + html)

使用xml.etree.ElementTree解析XHTML

2 个答案: